具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的知识点测评方法，可以应用于如图1所示的应用环境中。其中，终端110通过网络与服务器120进行通信。具体的，终端110和服务器120可以协同执行以实现知识点测评方法，还可以是终端110以及服务器120单独执行以实现知识点测评方法。在一个实施例中，以终端110和服务器120协同执行以实现知识点测评方法为例进行说明，具体的，服务器120在接收到终端110发送的知识点测试请求时，获取与待测试知识点集合对应的测试题集合，并基于测试题集合中各测试题分别对应的知识点子集确定对应的题库知识空间；根据目标对象的历史答题结果确定已测评知识点的掌握结果，根据已测评知识点的掌握结果，从题库知识空间中筛选候选知识点子集；基于历史答题结果，从候选知识点子集中确定目标知识点子集，并将测试题集合中对应目标知识点子集的目标测试题进行推送至终端110；直至达到测试停止条件时停止向终端110推送；并基于目标对象对推送的各目标测试题进行作答的答题结果，得到知识点测评结果，进一步还可以在终端110展示知识点测评结果。

需要说明的是，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。当本申请通过云服务器执行时，云服务器执行对目标测试题的确定以及推送，并根据目标对象的作答结果执行知识点测评结果的推送。

需要说明的是，本申请可适用于各种知识点自适应测评场景，比如对传统教育领域的知识点进行测评，或者对某些专业技能领域的知识点进行测评等，在本申请中不做限定。

传统教育领域的知识点测评，比如对教学大纲所对应的知识点进行测评。比如本申请的自适应测评场景可适用于对课堂学习中的学科知识点进行测评，此时对应的待测试知识点集合为学科知识点集合，计算机设备根据获取到的学科知识点集合构建学科题库知识空间，并根据目标对象对学科测试题的历史答题结果向目标对象推送目标测试题，以根据目标对象对目标测试题的作答结果更新对学科中各知识点的掌握结果，最终得到目标用户对应的学科知识点测评结果。进一步地，计算机设备还可以根据学科知识点测评结果，确定学科测试知识点集合中的薄弱学科知识点，并获取与薄弱学科知识点对应的薄弱课程内容，向目标对象推送薄弱课程内容，以供目标对象进行相应的薄弱课程学习。

专业技能领域的知识点测评，比如对消防相关的知识点进行测评、对交通相关的知识点进行测评、对建筑相关的知识点进行测评等。比如，本申请的自适应测评场景可还适用于驾照考试知识点测评场景，此时待测试知识点集合为驾照考试对应的驾考知识点集合，计算机设备根据获取到的驾考知识点集合构建驾考题库知识空间，并根据目标对象对驾考测试题的历史答题结果向目标对象推送目标测试题，以根据目标对象对目标测试题的作答结果更新对各驾考知识点的掌握结果，最终得到目标用户对应的驾考知识点测评结果。进一步地，计算机设备还可以根据驾考知识点测评结果，确定驾考测试知识点集合中的薄弱驾考知识点，并获取与薄弱驾考知识点对应的薄弱驾考内容，向目标对象推送薄弱驾考内容，以供目标对象进行相应的薄弱驾考课程学习。在其他实施例中，本申请的自知识点自适应测评场景还可以适用于消防知识点测评领域、建筑知识点测评领域等，在本申请中不做限定。

在一个实施例中，如图2所示，提供了一种知识点测评方法，以该方法应用于计算机设备(该计算机设备具体可以是图1中的终端110或服务器120)为例进行说明，包括以下步骤：

步骤S202，获取与待测试知识点集合对应的测试题集合，并基于测试题集合中各测试题分别对应的知识点子集确定对应的题库知识空间。

其中，待测试知识点集合是至少一个待测试的知识点组成的集合。并且，不同的待测试知识点之间可以是相互独立的知识点也可以是具有关联关系的知识点。测试题集合是待测试知识点集合中的待测试的知识点分别对应的测试题组成的集合。与知识点对应的测试题用于对该用户是否掌握该知识点进行测试。可以理解，一个待测试的知识点可以分别对应至少一个测试题，或者，多个知识点可以共同对应至少一个测试题等，本申请实施例对此不作限定。

在本申请各实施例中，每一个待测试的知识点对应的测试题用于评估目标对象对该待测试的知识点的掌握情况。一般来说，目标对象正确作答对应的测试题时，表征目标对象对该测试题对应的待测试的知识点的掌握情况较好，否则，说明目标对象对该待测试的知识点的掌握情况不好。需要说明的是，不同待测试的知识点对应的测试题可以相同或者不同，以及不同的待测试的知识点对应的测试题数量可以相同或者不同，在本申请中不做限制。

知识点子集是待测试知识点集合中的一个或者多个待测试的知识点进行组合得到的子集。具体的，一个测试题对应一个或者多个待测试的知识点，并且该测试题对应的一个或者多个知识点共同组成一个知识点子集。需要说明的是，不同的测试题可对应相同或者不同的知识点，以及知识点子集。

题库知识空间是由知识点子集组成的空间，具体可以是各知识点子集按照一定的规则进行排列所形成的集合空间。计算机设备可以将包含相同知识点个数的知识点子集划分至同一个层级中，然后根据一个或者多个层级构建题库知识空间。

具体地，计算机设备可基于用户的选择，确定当次测评需要进行测试的待测试知识点集合。进而查找与该测试知识点集合对应的测试题集合。然后计算机设备可确定该测试题集合中的每个测试题分别对应的知识点子集，进而根据各个测试题分别对应的知识点子集来构建对应的题库知识空间。

在一个具体的实施例中，计算机设备从数据库中获取目标对象在当次测评中对应的待测试知识点集合，如该待测试知识点集合具体可以是{A,B,C,D……N}，其中A、B、C、D……N为待测试知识点集合中的各待测试的知识点。并且每一个测试题对应的知识点可以为一个或者多个知识点组成的知识点子集，如测试题1对应的知识点为A，那么测试题1对应的知识点子集为(A)，测试题2对应的知识点为知识点A以及知识点B，那么测试题2对应的知识点子集为(A,B)，测试题3对应的知识点为知识点A、知识点B以及知识点C，那么测试题3对应的知识点子集为知识点为(A,B,C)等。需要说明的是，不同的测试题可同时对应为同一个知识点子集，并且最终由多个知识点子集确定对应的题库知识点空间。

在一个实施例中，计算机设备可以预先获取与目标年级对应的教学大纲，并获取教学大纲中各章节对应的章节知识点集合，进而建立各章节与章节知识点集合之间的对应关系，并存储至数据库中，得到与各目标年级对应的知识点集合。当计算机设备获取到知识点测评请求时，根据知识点测评请求中携带的目标章节，从数据库中提取与目标章节对应的章节知识点集合，并将该章节知识点集合作为待测试知识点集合。在一个具体的实施例中，计算机设备为云服务器，当云服务器获取到知识点测评请求时，根据知识点测评请求中携带的目标章节，从数据库中提取与目标章节对应的章节知识点集合，并将该章节知识点集合作为待测试知识点集合。

步骤S204，根据目标对象的历史答题结果确定已测评知识点的掌握结果，根据已测评知识点的掌握结果，从题库知识空间中筛选候选知识点子集。

其中，历史答题结果是目标对象在当次测评中对历史测试题进行作答得到的答题结果，并且答题结果可以表征答题正确、部分正确或答题错误。每一道历史测试题都分别对应一个或者多个知识点，当目标对象完成对历史测试题的作答时，该测试题就成为了历史测试题，相应地，与该历史测试题对应的知识点就成为了已测评知识点。

历史测试题是在本次测评过程中已经被测试过的测试题，具体可以是最近测试的一道历史测试题，也可以是在本次测评过程中最近测试的多道历史测试题，或者是本次测评过程中所有被测试过的历史测试题。更加具体的，历史测试题可以是已测评知识点对应的测试题。

其中，掌握结果用于表征目标对象对相应已测知识点的掌握程度，具有可以是已掌握、部分掌握以及未掌握等，掌握结果还可以是表征掌握程度的掌握率，从0％到100％等，本申请对此不作限定。可以理解，当某个知识点具有对应的掌握结果，那我们就可认为已经实现了对该知识点的测评，后续再进行推题时可不必再推送与该知识点相关的测试题了。

具体地，计算机设备可根据目标对象的历史答题结果来计算对已测评知识点的掌握结果。并且，当历史测试题对应的知识点包括多个时，该知识点测评方法还包括根据目标对象对历史测试题的历史答题结果确定目标对象对每一个已测评知识点的掌握结果。进而，计算机设备可根据已测评知识点的掌握结果，从题库知识空间中筛选候选知识点子集。筛选出的候选知识点子集中包括有不具备掌握结果的知识点。

在一个实施例中，历史答题结果是最近测试的一道历史测试题对应的答题结果，已测评知识点是该历史测试题对应的知识点。根据该答题结果确定该已测评知识点的掌握结果，如当该历史测试题的历史答题结果表征答题正确时，确定该历史测试题对应的已测评知识点的掌握状态为已掌握，否则，确定该历史测试题对应的已测评知识点的掌握状态为未掌握。

在另一个实施例中，历史答题结果是最近测试的多道历史测试题或者全部历史测试题对应的答题结果，当前已测知识点是所有的历史测试题对应的知识点。根据所有的历史测试题对应的答题结果确定目标对象对所有的已测评知识点的掌握结果。具体的，可以计算目标对象对历史测试题的答题正确率，根据答题正确率确定目标对象对已测评知识点的掌握结果，此时的掌握结果可对应一个掌握率。

具体的，掌握结果可以用得分率进行衡量，得分率可为一个占比值，具体可以是目标对象在当次测评中正确作答的测试题占总测试题的比值。在一个具体的实施例中，对于每个已测评知识点，分别基于与相应已测评知识点对应的历史测试题的历史答题结果，确定对应的掌握结果，包括：获取已测评知识点对应的历史测试题，获取目标对象在当次测评中对历史测试题进行作答的历史答题结果，根据历史答题结果中正确答题结果的占比值，确定与历史测试题相对应的已测评知识点的掌握结果。

在另一个实施例中，计算掌握结果的过程还可以结合各历史测试题的难度等级。具体的，对于每个已测评知识点，分别基于与相应已测评知识点对应的历史测试题的历史答题结果和难度等级，确定对应的掌握结果，包括：对于每一个难度等级的历史测试题，获取目标对象在当次测评中对该难度等级的历史测试题进行作答的历史答题结果，根据历史答题结果中正确答题结果的占比值，确定已测评知识点在该难度等级下对应的掌握结果。进一步地，根据已测评知识点在各难度等级下的掌握结果确定该已测评知识点的掌握结果。

由于题库知识空间中不同的知识点子集之间具有重合的知识点，故而当计算机设备获取已测评知识点的掌握结果时，还可以对题库知识空间中的其他相关知识点子集的掌握结果进行更新，并将具有掌握结果的知识点子集从题库知识空间中删除，得到候选知识点子集。实现了通过一次测评可以在题库知识空间中删减掉与已测评知识点重合的其他知识点子集，进而减少了对题库知识空间中的待测试的知识点进行测试的次数，即利用较少的测试题就可以完成对待测试的知识点的测评，提高了知识点测评的效率。

在一个具体的实施例中，测试题2对应的知识点子集为(A,B),当在计算机设备中完成对测试题的测评时，此时该测试题2对应的知识点子集(A,B)中的知识点A以及知识点B成为了已测评知识点。由于测试题集合中未测评的测试题1对应的知识点子集为(A)，未测评的测试题4对应的知识点子集为(B)，未测评的测试题5对应的知识点子集为(A,B)，由于知识点A以及知识点B为已测评知识点，故而可以在题库知识空间中将知识点子集(A)、知识点子集(B)以及知识点子集(A,B)删除，将删除知识点子集(A)、知识点子集(B)以及知识点子集(A,B)之后剩余的知识点子集作为候选知识点子集。

步骤S206，基于历史答题结果，从候选知识点子集中确定目标知识点子集，并将测试题集合中对应目标知识点子集的目标测试题进行推送。

候选知识点子集中包括至少一个知识点子集，并且从候选知识点子集中提取一个知识点子集作为目标知识点子集。具体的，计算机设备从数据库中获取目标知识点子集对应的目标测试题，并将目标测试题作为下一个待测试的目标测试题并进行推送。当计算机设备为物理服务器或者云服务器时，计算机设备可推送至目标对象所在的终端以进行展示。当计算机设备为终端时，计算机设备可直接展示该目标测试题。需要说明的是，目标测试题的数量可以为一个或者多于一个，在此不作限制。具体地，计算机设备从数据库中获取目标知识点子集对应的目标测试题集合，从目标测试题集合中提取其中一个或者多个目标测试题并推送至目标对象所在的终端，以使得目标对象对接收到的目标测试题进行作答，得到当前答题结果。

在一个实施例中，计算机设备可以从各候选知识点子集中随机选取一个知识点子集作为目标知识点子集。或者计算机设备还可以预先对各候选知识点子集设置优先级顺序，并根据各候选知识点子集对应的优先级顺序从中的选取目标知识点子集。

步骤S208，基于目标对象对目标测试题进行作答的当前答题结果，更新历史答题结果，并返回根据目标对象的历史答题结果确定已测评知识点的掌握结果的步骤并继续执行，直至达到测试停止条件时停止推送。

其中，测试停止条件为停止进行本轮知识点测评的条件，具体可以包括以下条件中的至少一种：当次测评中已经作答的历史测试题的数量满足预设数量(比如默认数量为20)；当次测评对应的测试时间段满足预设时间段时(比如默认时间为20分钟)；当次测评对应的测试题集合中的测试题全部完成；当次测评对应的待测试知识点集合中的所有知识点已经全部测评完成。

具体的，当目标对象完成对目标测试题的作答时，计算机设备可以根据当前答题结果对历史答题结果进行更新，具体可以是将当前答题结果直接作为历史作答结果，然后基于该答题结果来确定最新的已测知识点的掌握结果，从而进行知识点剪枝，以根据剪枝后的情况挑选下一个目标测试题。或者，计算机设备还可将当前答题结果与之前的历史答题结果共同作为下一次要进行测试题选择时的历史答题结果，从而进行知识点剪枝，以根据剪枝后的情况挑选下一个目标测试题。

在一个实施例中，计算机设备可基于所述目标对象对所述目标测试题进行作答的当前答题结果，更新所述历史答题结果，进而将更新的历史答题结果作为下一次选题所对应的历史答题结果。从而返回至步骤S204-步骤S208，以不断的推送挑选出的目标测试题以对目标对象进行测试，直至达到测试停止条件时停止推送，并执行步骤S210。

步骤S210，基于目标对象对推送的各目标测试题进行作答的答题结果，更新待测知识点集合中各知识点的掌握结果，得到知识点测评结果。

每一个目标测试题都分别对应一个知识点子集，计算机设备判定目标对象完成对所有推送的目标测试题的作答时，获取各目标测试题对应的答题结果，并根据答题结果对待测知识点集合中各知识点的掌握结果进行更新，得到关于每一个知识点的掌握结果，进而得到知识点测评结果。

具体的，由于不同的目标测试题之间具有重合的知识点，故而根据后测试的目标测试题计算得到知识点的掌握结果是最新的数据，故而此时需要对该知识点的掌握结果进行更新，以使得各知识点的掌握结果是综合与该知识点对应的多个或者所有的目标测试题的答题结果确定的，进而提高了各知识点掌握结果的准确性。在一个具体的实施例中，比如历史测试题对应的知识点子集为(A,B,C)，根据目标对象对该历史测试题的答题结果确定目标对象对知识点子集(A,B,C)中任意一个知识点A、知识点B以及知识点C的掌握结果，比如知识点A、知识点B以及知识点C的掌握结果都为数值1。若计算机设备在下一次中推送至目标对象的目标测试题对应的知识点子集为(A,B,D)，那么此时对应的知识点包括知识点A、知识点B以及知识点D，此时计算机设备根据目标对象对目标测试题的答题结果计算对知识点A、知识点B以及知识点D的掌握结果，比如知识点A、知识点B以及知识点D的掌握结果都为数值0.5，那么此时需要根据各知识点对应的最新掌握结果对历史的掌握结果进行更新，如最终确定知识点A的掌握结果为数值0.5、知识点B的掌握结果为数值0.5、知识点C的掌握结果为数值1以及知识点D的掌握结果为数值0.5。

在一个实施例中，可以是每对一个目标测试题作答一次，就执行对知识点的掌握结果更新一次。在其他实施例中，还可以是每对多个目标测试题作答一次，才执行一次对知识点的掌握结果更新一次。

本申请根据各知识点构建题库知识空间，并根据已测评知识点的掌握状态对题库知识空间中的知识点子集进行筛选处理，得到候选知识点子集。并继续在候选知识点子集中的其中一个目标知识点子集中选取目标测试题，使得可以在较小的题库范围内选取目标测试题，提高了目标测试题的选取效率。以及，通过不断地对题库知识空间中的知识点子集进行更新处理，实现了利用较少的测试题就能得到目标对象对题库知识空间中的所有知识点的掌握结果，提高了知识点测评的效率。

上述知识点测评方法，基于与待测试知识点集合对应的测试题集合来构建对应的题库知识空间。根据目标对象的历史答题结果确定已测评知识点的掌握结果，进而可实现对题库知识空间中已测的知识点进行剪枝以精简题库知识空间中的待测试的知识点的数量。进而再基于历史答题结果，从候选知识点子集中确定目标知识点子集，并将测试题集合中对应目标知识点子集的目标测试题进行推送，以使得目标对象可以对新推送的目标测试题继续进行作答得到当前答题结果。这样在测评过程中，不断的根据答题结果进行剪枝并动态更新知识点掌握情况，选取待测评的知识点子集，从而缩小选题范围，可以通过较少的题来测试目标对象的知识点掌握情况，大大提高了知识点测评效率。

在一个实施例中，获取与待测试知识点集合对应的测试题集合，包括：获取知识点测评请求，并根据知识点测评请求中的目标范围确定对应的待测试知识点集合；基于知识树结构对待测试知识点集合进行扩展，并基于扩展后的待测试知识点集合中各知识点间的前后置关系，确定末级知识点；获取与末级知识点对应的测试题集合。

其中，目标范围是待测评知识点所属的范围，比如某个目标年级的某门目标学科，或者是某个目标年级的某门学科中的某个目标章节等。知识点测评请求可以是目标对象在对应的测评终端中发送的，也可以是在计算机设备中自动产生的。并且，知识点测评请求中携带有目标范围，如知识点测评请求具体可以是对某个年级的某个学科中的某一个目标章节进行测评的请求，那么知识点测评请求中携带的目标范围就为该目标章节对应的范围。

具体的，数据库中预先存储了不同的目标范围对应的待测试知识点集合，当计算机设备获取到知识点测评请求时，从知识点测评请求中提取目标范围，并从数据库中提取目标范围对应的待测试知识点集合。

待测试知识点集合在数据中可以以知识树结构进行存储，知识树结构中存储了不同知识点之间的包含关系。计算机设备根据知识树结构中的包含关系将待测试知识点进行扩展，将知识树结构中的包含关系扩展为前后置关系。并根据前后置关系确定末级知识点，并获取末级知识点对应的测试题集合。需要说明的是，末级知识点对应的测试题集合中包含了知识点集合中所有知识点对应的测试题。

在一个具体的实施例中，计算机设备获取到知识点测评请求时，根据知识点测评请求中携带的目标章节从数据库中提取对应的知识点组成知识点集合(KPSet1，包含非末级知识点)。并通过数据库中知识树结构的包含关系扩展前后置关系(扩展规则为：若图谱数据库中前置关系点为父级知识点A，则将父级知识点A下所有叶子节点(A1，A2...An)作为后置知识点B的前置，即扩充后关系为(A1,B),(A2,B)...)，最后对KPSet1以及扩充后的关系列表进行筛选，仅保留KPset1中的末级知识点(KPSet2)和对应的前后置关系，进而获取与末级知识点对应的测试题集合。

上述实施例中，按照一定的扩展规则将知识树结构对应的包含关系转换为前后置关系，进而后续可以直接根据前后置关系在题库知识空间中筛选候选知识点子集，为本申请的知识点测评方法的实现提供技术支持。

在一个实施例中，基于测试题集合中各测试题分别对应的知识点子集确定对应的题库知识空间，包括：确定测试题集合中每道测试题分别对应的知识点子集，知识点子集中包括至少一个知识点；基于各知识点子集中知识点的数量，将具有相同知识点数量的知识点子集划分至同一个层级；根据各个层级分别所具有的知识点子集，确定对应的题库知识空间。

具体的，确定测试题集合中每道测试题分别对应的知识点子集之后，还包括：对相同的知识点子集去重处理只保留其中一个，根据去重处理后的知识点子集确定对应的题库知识空间。在一个实施例中，当测试题2对应的知识点子集为(A,B),测试题5对应的知识点子集为(A,B)，由于测试题2与测试题5对应为同一个知识点集合，故而可以对该测试题子集进行去重处理，删除重复的知识点子集只保留其中一个知识点点子集，并根据删除重复的知识点子集之后剩余的知识点子集确定题库知识空间。

其中，题库知识空间中包括至少一个层级，并且每一个层级中可包括至少一个知识点子集，以及同一个层级中的所有的知识点子集中包括的知识点个数是相同的。以及，对于每一个知识点层级，根据知识点层级中任意一个知识点子集对应的知识点数量，确定每一个知识点层级对应的层级值。

在一个实施例中，知识点子集(A)中包括知识点A一个知识点，那么知识点子集(A)对应的层级值为1。知识点子集(A,B)中包括知识点A以及知识点B两个知识点，那么知识点子集(A,B)对应的层级值为2。

上述实施例中，可以根据知识点子集中包含的知识点个数划分不同的层级，从而可以快速地确定目标知识点子集。以及，对比原有的知识空间理论是基于枚举的，原理上当有N个待测试的知识点时，会对应有2的N次方个知识点子集，这给知识点测评带来了极大的压力，大大增加了知识点测评的数据，以及降低了知识点测评的效率。而在上述实施例中通过构建题库知识空间，并在题库知识空间中根据各知识点子集中包括的知识点个数进行分层处理，进而可以在不同的层级中分别进行知识点测评，在对应的层级中选取对应的目标测试题，进而减少了选择测试题的范围，提高了目标测试题的确定效率。并且当完成一次测评时，还可以把包含的所有的知识点的掌握状态已知的知识点子集删除，极大地降低了题库知识空间中知识点子集的个数，然后只在删除后对应当候选知识点子集中继续进行知识点测评，极大地提高了知识点测评的效率。

在一个实施例中，根据目标对象的历史答题结果确定已测评知识点的掌握结果，包括：获取目标对象在测评过程中对各历史测试题分别进行作答的历史答题结果；确定与历史测试题对应的已测评知识点、以及各历史测试题分别对应的难度等级；对于每个已测评知识点，分别基于与相应已测评知识点对应的历史测试题的历史答题结果和难度等级，确定对应的掌握结果。

其中，难度等级用于衡量各测试题的难度，并且可以根据实际情况分为多个不同的难度等级，难度等级越高说明该测试题的难度越大，目标对像对该测试题的作答成功率越低，难度等级越低说明该测试题的难度越低，目标对象对该测试题的作答成功率越高。

具体的，每一个测试题的难度等级的确定方式可以包括：根据多个测试对象对该测试题的作答情况确定该测试题的难度等级，一般来说越多的测试对象完成对该测试题的正确作答，说明该测试题的难度等级越低，反正该测试题的难度等级越高。每一个测试题的难度等级的确定方式还可以包括：专业人士根据经验为各测试题设置难度等级。

目标对象在测评过程中对不同难度等级的历史测试题作答对应的历史答题结果是不同的。具体的，目标对象对难度等级较低的历史测试题的进行作答时对应的作答成功率会大于对难度等级较高的历史测试题的作答成功率。故而，计算机设备根据目标对象的历史答题结果确定已测评知识点的掌握结果时，还应该综合考虑各历史测试题的难度等级，对于每个已测评知识点，分别基于与相应已测评知识点对应的历史测试题的历史答题结果和难度等级，确定对应的掌握结果。

上述实施例中，计算机设备在确定目标对象对已测评知识点的掌握结果时，综合考虑了历史测试题对应的难度等级，使得掌握结果的确定更加精确。

在一个实施例中，对于每个已测评知识点，分别基于与相应已测评知识点对应的历史测试题的历史答题结果和难度等级，确定对应的掌握结果，包括：对于每个已测评知识点，确定与相应已测评知识点对应的至少一个历史测试题；按照确定的各历史测试题所属的难度等级和对应的历史答题结果，计算各个难度等级分别对应的得分率；根据各个难度等级分别对应的得分率，确定相应已测评知识点的掌握结果。

其中，得分率可对应一个即占比值，具体可以是目标对象在当次测评中正确作答的测试题占总测试题的比值。可以理解，具体可以通过对比目标对象对测试题的作答结果与该测试题对应的答案进行比对，以确定该测试题的作答情况，当作答结果符合答案标准时，说明目标对象对测试题的作答结果为正确作答，否则，为错误作答。

在一个具体的实施例中，对于每个已测评知识点，分别基于与相应已测评知识点对应的历史测试题的历史答题结果，确定对应的掌握结果，包括：获取已测评知识点对应的历史测试题，获取目标对象在当次测评中对历史测试题进行作答的历史答题结果，根据历史答题结果中正确答题结果的占比值，确定历史测试题相对应的已测评知识点的掌握结果。

在另一个实施例中，不同难度等级的测试题的得分率是分别计算得到的。对于每个已测评知识点，分别基于与相应已测评知识点对应的历史测试题的历史答题结果和难度等级，确定对应的掌握结果，包括：对于每一个难度等级的历史测试题，获取每一个难度等级的历史测试题对应的历史答题结果，根据历史答题结果中正确答题结果的占比值，确定难度等级对应的历史测试题的得分率；根据不同难度等级的历史测试题分别对应的得分率，确定历史测试题相对应的已测评知识点的掌握结果。

具体地，以测试题分为五个难度等级，以及根据五个难级别的测试题计算已测评知识点掌握结果为例进行说明。在一个具体的实施例中，可以将第一难度等级以及第二难度等级划分为简单难度等级，将第三难度等级、第四难度等级以及第五难度等级划分为中等及以上难度等级。在计算机设备中计算简单难度等级的测试题对应的得分率为S1，在计算机设备中计算中等及以上难度等级的测试题对应的得分率为S2，在计算机设备中计算全部测试题对应的得分率为S3。需要说明的是，若无对应难度题目，则默认为-1。以及根据得分率计算掌握结果的过程包括：如果S3＝0，则掌握结果＝0，如果S3＝1或者S2>＝0.5，则掌握结果＝1；如果S3>＝0.5或者S2>0或者S1>＝0.5，则掌握结果＝0.5，其他情况下掌握结果＝0。

上述实施例中，计算目标对象对知识点的掌握结果时，融合了测试题的难度等级，使得对各知识点的掌握结果更加合理准确。

参考图3，图3为一个实施例中提供的一种根据已测评知识点的掌握结果，从题库知识空间中筛选候选知识点子集的流程示意图。在一个实施例中，根据已测评知识点的掌握结果，从题库知识空间中筛选候选知识点子集，包括：

步骤302，将已测评知识点的掌握结果，赋予至与已测评知识点相关联的关联知识点，得到关联知识点的掌握结果。

其中，掌握结果具体可包括已掌握、未掌握或者部分掌握，或者还可以对应一个具体的掌握度。具体可以根据目标对象对当前测试题的作答情况确定对已测评知识点的掌握结果，如当目标对象正确作答已测评知识点对应得测试题时，对应的掌握结果为已掌握，否则对应的掌握结果为未掌握。关联知识点是与已测评知识点相关联的知识点，具体可以是已测评知识点的前置关联知识点或者后置关联知识点，并且与已测评知识点相关联的关联知识点的个数可以为一个或者多个，在本申请中不做限制。

步骤304，确定题库知识空间的各知识点子集所包括的知识点，并将所包括的知识点均具有掌握结果的知识点子集，作为已测评知识点子集。

步骤306，从题库知识空间中删除已测评知识点子集，得到候选知识点子集。

具体地，当已测评知识点的掌握结果对应为已掌握时，赋予至与已测评知识点相关联的前置关联知识点，得到前置关联知识点的掌握结果。当已测评知识点的掌握结果对应为未掌握时，赋予至与已测评知识点相关联的后置关联知识点，得到后置关联知识点的掌握结果。在一个具体的实施例中，计算机设备根据目标对象对已测知识点的掌握结果，对与已测评知识点相关联的关联知识点的掌握状态进行赋值，具体是当目标对象正确作答对应的测试题时，将已测知识点的掌握结果赋值给前置知识点，当目标对象错误作答对应的测试题时，将后置知识点的掌握结果标记为0。

其中，已测评知识点子集是在本次测评中已经具有掌握结果的知识点子集，具体可以是根据测试题进行实际测评过的知识点子集，也可以通过确定题库知识空间的各知识点子集所包括的知识点，并将所包括的知识点均具有掌握结果的知识点子集，作为已测评知识点子集。具体地，在计算机设备中获取已测评知识点子集对应的数学子集，其中数学子集是一个数学概念，数学子集对应的知识点子集中包括的知识点均为已测评知识点子集中的知识点，即均具有掌握结果的知识点。如当已测评知识点子集对应为(A,B,C)时，那么此时该已测评知识点子集对应的数学子集为知识点A、知识点B以及知识点C进行组合得到的知识点子集，具体为知识点子集(A)、知识点子集(B)、知识点子集(C)、知识点子集(A,B)、知识点子集(A,C)、知识点子集(BC)以及知识点子集(A,B,C)。由于已测评知识点子集(A,B,C)中的知识点A、知识点B以及知识点C的掌握结果已知，故而由掌握结果已知的知识点A、知识点B以及知识点C进行组合确定的每一个知识点子集的掌握结果也已知，故而只需对知识点子集(A,B,C)测试一次，就可以同时得到知识点子集(A,B,C)、知识点子集(A)、知识点子集(B)、知识点子集(C)、知识点子集(A,B)、知识点子集(A,C)、知识点子集(BC)的掌握结果，并将这些已知掌握结果的知识点子集都作为已测评知识点子集。然后从题库知识空间中删除已测评知识点子集，得到候选知识点子集。

在另一个实施例中，计算机设备在确定已测评知识点的掌握结果时，将题库知识空间中所有该已测评知识点的掌握状态进行更新，并且若知识点子集中的知识点均具有掌握结果时，在题库知识空间中将该知识点子集删除，得到候选知识点子集。

上述实施例中，当获取已测评知识点对应的掌握结果时，可以将题库知识空间中所有该已测评知识点的掌握状态进行更新，并且若知识点子集中的知识点均具有掌握结果时，在题库知识空间中将该知识点子集删除，实现了根据一道测试题就可以删减更多的知识点子集，极大提高了对知识题库空间中各知识点的测评效率。

在一个实施例中，题库知识空间包括多个层级的知识点子集，其中每个层级包括至少一个知识点子集，且处于相同层级的各知识点子集的知识点数量一致；基于历史答题结果，从候选知识点子集中确定目标知识点子集，包括：确定在测评过程中，最近测试的历史测试题所对应的知识点子集所处的当前层级；根据历史答题结果，对当前层级进行调整得到目标层级；从候选知识点子集中确定与目标层级匹配的目标知识点子集。

知识点子集对应的层级可由各知识点子集中包括的知识点个数确定。当前层级是指在当次测评过程中，最近测试的历史测试题所对应的知识点子集所处的层级，目标层级是指在当次测评过程中，下一个测试题所对应的知识点子集所处的层级。

具体地，根据历史答题结果，对当前层级进行调整得到目标层级值，包括：从历史答题结果中获取最近测试的历史测试题对应的答题结果，当答题结果表征答题正确时，对当前层级加值处理得到目标层级值，当前次答题结果表征答题错误时，对当前层级减值处理得到目标层级值。

在一个具体的实施例中，根据目标对象对最近测试的历史测试题的作答结果，在候选知识点子集中选择目标层级。当历史答题结果表征为答题正确时，在当前层级(current_state_value)的基础上减去第一预设值得到目标层级，当第一预设值为1时，那么目标层级＝current_state_value-1。当历史答题结果表征为答题错误时，在当前层级(current_state_value)的基础上加上第二预设值得到目标层级，当第二预设值为1时，那么此时目标层级＝current_state_value+1。需要说明的是，在其他实施例中，第一预设值以及第二预设值可以为相同的数值或者不同的数值，以及可以为除1以外的其他数值，在本申请中不做限定。并且若在题库知识空间中无法匹配到与目标层级对应的目标知识点子集时，还可以通过调整第一预设值或者第二预设值的大小，以使得可以在题库知识空间中匹配到与目标层级对应的目标知识点子集。

进一步地，从候选知识点集合中确定与目标层级匹配的知识点子集。若与目标层级匹配的知识点子集的个数为多个时，还包括多个的知识点子集中确定一个目标知识点子集。

上述实施例中，在当次测评过程中，基于目标对象的历史答题结果，对当前层级进行调整得到目标层级，进而根据目标层级从候选知识点子集中确定目标知识点子集，实现了先选择目标层级，再根据目标层级从对应的候选知识点子集中确定目标知识点子集，提高了对目标知识点子集确定的效率。

如图4所示，图4为一个实施例中提供的一种从候选知识点子集中确定与目标层级匹配的目标知识点子集的流程示意图。在一个实施例中，从候选知识点子集中确定与目标层级匹配的目标知识点子集，包括：

步骤402，确定在测评过程中，最近测试的历史测试题所对应的知识点子集的当前属性支撑量。

对于题库知识空间中的每一个层级而言，该层级中的每一个知识点子集都唯一对应一个属性支撑量。并且在对应的层级中，可以根据跟知识点子集对应的属性支撑量对该层级中的所有的知识点子集进行排序。

步骤404，确定处于目标层级中的各候选知识点子集分别对应的候选属性支撑量。

具体地，在当次的测评过程中，计算机设备获取最近测试的历史测试题所对应的知识点子集，以及该知识点子集对应的当前属性支撑量。以及，计算机设备在题库知识空间中提取目标层级对应的候选知识点子集，以及确定各候选知识点子集对应的候选属性支撑量，根据当前属性支撑量与各候选属性支撑量确定目标知识点子集。

步骤406，根据候选属性支撑量与当前属性支撑量，从处于目标层级中的各候选知识点子集中筛选出目标知识点子集。

在一个具体的实施例中，根据当前属性支撑量与各候选属性支撑量确定目标知识点子集，包括：从历史答题结果中获取最近测试的历史测试题对应的答题结果，根据最近测试的历史测试题对应的答题结果确定当前属性支撑量与各候选属性支撑量之间的大小关系，根据大小关系在目标层级中确定目标知识点子集。

在一个具体的实施例中，根据最近测试的历史测试题对应的答题结果确定当前属性支撑量与各候选属性支撑量之间的大小关系，根据大小关系在目标层级中确定目标知识点子集，包括：当最近测试的历史测试题对应的答题结果表征答题正确时，确定目标知识点子集对应的目标属性支撑量大于或者等于当前属性支撑量，从候选属性支撑量中选取大于或者等于当前属性支撑量的目标属性支撑量，并将目标属性支撑量对应的知识点子集作为目标知识点子集。当前次答题结果表征答题错误时，确定目标知识点子集对应的目标属性支撑量小于当前属性支撑量，从候选属性支撑量中选取小于当前属性支撑量的目标属性支撑量，并将目标属性支撑量对应的知识点子集作为目标知识点子集。如，当最近测试的历史测试题对应的答题结果表征答题正确时，目标属性支撑量等于当前属性支撑量(current_state_value)+1，当最近测试的历史测试题对应的答题结果表征答题错误时，目标属性支撑量等于当前属性支撑量(current_state_value)-1。

上述实施例中，在目标层级中，根据各候选属性支撑量与当前属性支撑量的大小关系，从中确定目标知识点子集。由于属性支撑量在一定程度上表征了各知识点子集的优先级，故而实现了合理地从目标层级中确定目标知识点子集的技术效果。

在一个的实施例中，该知识点测评方法还包括：计算机设备将题库知识空间中最大的层级值对应的层级作为首个层级，并将首个层级中最小的属性支撑量对应的知识点子集作为首个知识点子集，将首个知识点子集对应的测试题作为首个测试题。需要说明的是，当首个知识点子集中包括多个测试题时，还包括从多个测试题中筛选其中一个测试题作为首个测试题。在具体实施中，计算机设备可以随机从多个测试题中筛选其中一个测试题，计算机设备也可以按照各测试题的难度等级从多个测试题中筛选其中一个测试题等。

上述实施例中，由于最大的层级值对应的层级中的知识点个数最多，故而将最大层级值作为首个层级，可以实现对题库知识空间中的知识点子集剪枝的效率，进而提高了对知识点测评的效率。

在一个实施例中，方法还包括：对于题库知识空间中每个知识点子集的属性支撑量，均通过以下步骤计算得到：根据知识点子集中各知识点之间的前后置关系，确定知识点子集分别对应的邻接矩阵；根据邻接矩阵确定相应的可达矩阵，并对可达矩阵进行转置处理得到相应的逆达矩阵；根据逆达矩阵进行累加求和，得到知识点子集中的每个知识点所对应的支撑量；根据知识点子集中的每个知识点所对应的支撑量，确定相应知识点子集的属性支撑量。

计算机设备获取知识点子集中对应的知识点个数，根据知识点个数确定邻接矩阵的矩阵大小。具体的，当知识点的个数为7个时，那么此时对应的邻接矩阵的矩阵大小可以为7乘以7的一个方阵，以及根据知识点子集中各知识点之间的前后置关系确定邻接矩阵中的数值。接着，计算机设备计算邻接矩阵对应的可达矩阵，以及对可达矩阵进行转置处理得到逆达矩阵。计算机设备根据知识点子集对应的逆达矩阵，对每行进行累加求和得到每一个知识点对应的逆达和，并将该逆达和作为每个知识点对应的支撑量，最后根据知识点子集中的每个知识点所对应的支撑量，确定相应知识点子集的属性支撑量。需要说明的是，在本申请中对邻接矩阵、可达矩阵以及逆达矩阵的计算方法不做限制。

上述实施例中，通过数学计算算法根据知识点子集中各知识点之间的前后置关系确定矩阵，并根据矩阵计算各知识点子集对应的属性支撑量，为后续根据属性支撑量确定目标知识点子集提供了技术支撑。

如图5所示，图5为一个实施例中提供的一种将测试题集合中对应目标知识点子集的目标测试题进行推送的流程示意图。具体的，在一个实施例中，将测试题集合中对应目标知识点子集的目标测试题进行推送，包括：

步骤502，基于目标对象的历史答题结果，确定目标对象的当前能力值。

其中，当前能力值是用于衡量目标对象对测试题的作答能力，一般来说，目标对象对测试题的作答能力越强，表征目标对象的当前能力值越大，否则表征目标对象的当前能力值越小。

步骤504，根据当前能力值确定与目标对象匹配的目标难度等级。

步骤506，确定测试题集合中与目标知识点子集对应的候选测试题。

步骤508，将候选测试题中，与目标难度等级相匹配的目标测试题推送至目标对象所在的终端。

具体的，在当次测评过程中，计算机设备获取目标对象对历史测试题的历史答题结果，具体可以获取目标对象对最近测试的一道历史测试题的历史作答结果，也可以获取目标对象对最近测试的部分历史测试题的历史作答结果，或者获取目标对象在本次测评过程中对所有的历史测试题的历史作答结果，在本申请中不做限制。

上述实施例中，通过将对应难度等级的目标测试题推送至目标对象，使得更加符合目标对象的当前能力，提高了知识点测评的有效性。

在一个实施例中，基于目标对象的历史答题结果，确定目标对象的当前能力值，包括：基于目标对象对应的历史答题结果、以及各历史测试题对应的题目因子，确定目标对象的当前能力值；其中，题目因子包括测试题难度、测试题区分度、以及测试题猜测难度中的至少一个。

其中，题目因子用于表征每一个测试题的难度，题目因子中的测试题猜测难度用于表示能力极低的目标对象对作答该测试题时对应的正确作答概率。

具体的，计算机设备获取目标对象在本次测评过程中作答的部分或者全部的历史测试题，并获取每一个历史测试题对应的测试题难度、测试题区分度、以及测试题猜测难度，根据每一个历史测试题对应的题目因子，以及目标对象对每一个历史测试题的历史答题结果确定目标对象的当前能力值。具体的确定目标对象的当前能力值的计算过程如公式(1)所示。

其中，其中P_i(θ)表示能力为θ的目标对象在测试题i上正确作答的概率，θ为目标对象的潜在能力水平，a_i是测试题的区分度参数，b_i是测试题的难度参数，c_i是测试题的猜测参数，表示能力极低的目标对象对作答该测试题时对应的正确作答概率。

在一个实施例中，可以采用极大似然方法估计目标对象的当前能力值θ。具体的，先定义测试题信息函数I(θ)为估计误差方差的倒数，具体的计算过程如公式(2)所示。

其中，I_i(θ)为测试题信息函数，P_i是测试题反映函数，Q_i＝1-P_i，P_i′是第i个测试题反映函数对θ的一阶导数。具体步骤如下：

建立三参数的logistic模型，输入每一个历史测试题对应的历史答题结果、每一个历史测试题对应的题目因子，其中每一个历史测试题对应的答题结果可用1或者0表示，其中1表征答题正确，0表征答题错误。然后估计目标对象的当前能力值，具体可以采用EM算法或者MCMC算法估计目标对象的当前能力值θ′。

上述实施例中，在计算目标对应的当前能力值时，融合了题目因子，综合考虑了多维的参数，使得当前能力值的计算更加准确。

在一个实施例中，根据当前能力值确定与目标对象匹配的目标难度等级，包括：根据目标对象的当前能力值，确定各难度等级分别对应的信息量；将最大信息量对应的难度等级确定为与目标对象匹配的目标难度等级。

具体的，题目因子中的测试题难度可分为五个等级，分别为第一难度等级、第二难度等级、第三难度等级、第四难度等级以及第五难度等级，并根据公式(2)计算每个难度等级的测试题对应的信息量，并选取最大的信息量对应的难度等级作为下一道待推送测试题的难度等级(diff)，然后从目标知识点子集中筛选与难度等级(diff)对应的测试题作为待推送的测试题。

具体的，可以以一个索引词典(KP2QuestionDict)的形式为题库知识空间中各知识点子集建立对应的测试题集合，如对于知识点子集(A,B)，其在索引词典中的存储形式可以为(A,B):[1,2,3]，代表知识点子集(A,B)对应的题目为1、2、3题。

在其中一个实施例中，从目标知识点子集中筛选与难度等级(diff)对应的测试题作为待推送的测试题步骤，包括：从索引词典(KP2QuestionDict)中获取目标知识点子集对应的目标测试题集合，从目标测试题集合中选取与难度等级对应的测试题作为待推送的测试题。并且，当目标测试集合中与对应难度等级对应的测试题的数量为多个时，还包括从多个测试题中随机选择一个作为待推送的测试题。

上述实施例中，通过计算不同难度等级的测试题分别对应的信息量，进而可以筛选出最大信息量对应的难度等级，将对应难度等级的测试题推送至目标对象。

在一个实施例中，基于目标对象对推送的各目标测试题进行作答的答题结果，更新待测知识点集合中各知识点的掌握结果，得到知识点测评结果，包括：对于待测知识点集合中的每个知识点，根据与每个知识点相关的所有目标测试题的答题结果，更新相应知识点所对应的掌握结果；根据各知识点分别对应的更新后的掌握结果，确定知识点测评结果；根据知识点测评结果，按照各知识点间的前后置关系进行结构化展示，且各知识点在进行结构化展示时均按照相应掌握结果所属的掌握类别进行区分展示。

对于每一个知识点而言，计算机设备获取与该知识点相关的所有目标测试题，并根据获取到的所有的目标测试题的答题结果，对每一个知识点对应的掌握结果进行更新。然后根据每一个知识点的掌握结果确定每一个知识点对应的测评结果，其中知识点测评结果表征目标对象对各知识点的掌握类别，具体可对应为已掌握、部分掌握、未掌握以及未测评等。然后可以在可视化页面中将各知识点对应的测评结果进行展示，并且还可以根据各知识点之间的前后置关系将各知识点进行有向连接得到各知识点之间的结构化关系，并在可视化页面中进行结构化展示。

具体的，为了更精准、清晰地展示各知识点的掌握结果，还可以根据各知识点的掌握结果所对应的掌握类别对各知识点进行区分展示。在一个实施例中，如图6(a)所示，图6(a)为一个实施例中提供的一种知识点测评界面图，在图6(a)中可以看出本申请的知识点测评方法可以实现自适应练习，并且具体提供了能力测评、自主学习以及智能批改等功能选项，具体的，当知识点测评界面图中的能力测评选项被选中时，可展示如图6(a)所示的界面。在图6(a)中具体可以显示功能介绍信息，如提醒进行自适应测评的目标对象“通过测评生成你的专属学习诊断合学习路径规划手册，实时掌握学习情况，动态监测薄弱知识点”、“评结果将影响自主练习内容，请根据实际水平作答”、“知识图谱实时更新，助你精准捕捉薄弱知识点”、“点击“下一题”确认答案后无法修改，请认真作答”，以及还提供“开始测评”选项按钮，供目标对象根据实际需求选择是否开始测评。以及，在图6(a)中还展示了“测评报告”功能选项，当目标对象具有获取测评报告的需求时，可通过触发界面中的相应功能以实现。

图6(b)为一个实施例中提供的一种知识点掌握结果展示图，在图6(b)中的左侧图展示了在自适应测评过程中推送的一个测试题，在图6(b)中的右侧图展示了目标对象此时对知识点的知识点掌握状态。具体对应为目标对象每对一个测试题作答一次，计算机设备根据目标对象的作答结果实时对图6(b)中的右侧展示的知识点掌握状态进行更新。在其他实施例中，目标对像完成对当前展示的测试题的作答之后，还可以选择下一题功能按钮，以获取下一道测试题，当计算机设备获取到目标对象对多于一个(或者所有的)测试题的作答结果后对知识点掌握状态进行一次更新。需要说明的是，在图6(b)中圆形图形代表不同的知识点，以及知识点的不同的掌握类别用不同的填充图案区分展示，在其它实施例中，不同的掌握类别还可以用不同的颜色区分展示或者不同的形状区分展示，在本申请中不做限制。

上述实施例中，根据各知识点的掌握结果所属的掌握类别进行分区展示，能够更加清晰准确地获知目标对象对待测试知识点集合中各知识点的掌握情况，并及时发现目标对象的薄弱知识点，为目标对象进行个性化的课程推荐。

在一个实施例中，方法还包括：根据知识点测评结果，确定测试知识点集合中的薄弱知识点；获取与薄弱知识点对应的课程内容；推送课程内容；推送的所述课程内容用于供所述目标对象进行相应的课程学习。

具体的，当计算机设备为服务器时，计算机设备可将课程内容推送至目标对象所在的终端以进行展示。当计算机设备为终端时，计算机设备可直接展示该推送课程内容。

上述实施例中，通过各知识点的测评结果，可以确定目标对象对测试知识点集合中掌握程度较低的薄弱知识点，进而可以为目标对象推荐于薄弱知识点对应的课程内容，实现了课程内容的有效推送，提高了对课程内容推荐的准确性，以及课程内容推荐的效率。

本申请还提供一种应用场景，该应用场景应用上述的知识点测评方法。具体地，该知识点测评方法在该应用场景的应用如下：

本申请提供的知识点测评方法包括初始化知识空间、获取下一道测试题以及获取测评结果中的至少一个功能。参考图7，图7为一个实施例中提供的一种知识点测评方法的整体流程示意图，包括：步骤702，根据选定的目标章节，初始化题库知识空间。步骤704，更新知识点掌握结果，并选取目标层级中的目标知识点子集。步骤706，根据项目反映理论(Item Response Theory，IRT)确定目标测试题的难度等级。步骤708，根据对应的难度等级以及待测评知识状态获取下一道目标测试题，并推送至目标对象所在的终端。目标对象对接收到的目标测试题进行作答并提交答案后，继续执行步骤704，根据目标对象的答题结果对知识点的掌握结果进行更新，并根据更新后的掌握结果继续执行推荐下一道目标测试题的步骤。直至达到测试停止条件时停止对目标测试题的推送，并执行步骤710，获取本次测评对应的知识点测评结果。以下，详细展开说明：

步骤702，根据选定的目标章节，初始化题库知识空间。

计算机设备接收目标对象发送的知识点测评请求，从知识点测评请求中提取携带的目标章节，并根据目标章节从数据库中提取对应的知识点组成知识点集合(KPSet1)，.根据数据库中各知识点之间的知识树结构的包含关系扩展前后置关系(扩展规则为：若数据中前置关系点为父级知识点A，则将A下所有叶子节点(A1,A2...An)作为后置知识点B的前置，即扩充后关系为(A1,B),(A2,B)...)，最后对KPSet1以及扩充后的关系列表进行筛选，仅保留KPset1中的末级知识点(KPSet2)和对应的前后置关系。

根据筛选后对应的待测试知识点集合(KPSet2)获取对应的全部题目组成的测试题集合(QSet)。并在Qset中提取每个测试题对应的知识点子集，然后将所有的知识点子集进行汇总，以及将重复的知识点子集进行去重处理。并根据去重处理后的知识点子集中包括的知识点个数划分层级，得到题库知识空间(KPSpace)。以及对每一个层级中的知识点子集计算属性支撑量，以根据属性支撑量对KPSpace中每一层中的知识点子集进行从小到大排序。进一步地，还可以根据KPSpace建立题目索引字典(KP2QuestionDict)，题目索引字典中包括不同知识点子集分别对应的测试题。

初始化对象知识状态、对象知识点掌握状态(初始所有值都为-1)以及task_id(目标对象标识)等，并将计算所需的知识点子集等存入Redis，同时在Mongo表中新建条目记录测评信息。

步骤704，更新知识点掌握结果，并选取目标层级中的目标知识点子集。

当计算机设备接收到获取下一道目标测试题的请求时，根据task_id从Redis库中拉取目标对象的知识点掌握结果，并加载各个知识点掌握结果对应的掌握类别。

计算机设备获取目标对象对最近测试的一道历史测试题的作答结果，并将比作答结果与答案进行比对，根据比对结果对目标对象对知识点的掌握状态做更新。具体的，更新规则中融合了测试题的难度等级，具体如下：

分难度等级计算得分率，题目难度等级共分为五个等级(1,2,3,4,5)，分别计算三个部分的得分率，其一是简单难度等级(1,2)测试题的得分率S1，其二是中等及以上难度等级(3,4,5)测试题的得分率S2，其三是全部题目的得分率S3，若无对应难度题目，则默认为-1。

然后，根据不同难度等级的测试题的得分率计算知识点掌握度。具体的，如果S3＝0，则掌握度＝0；如果S3＝1或者S2>＝0.5，则掌握度＝1；如果S3>＝0.5或者S2>0或者S1>＝0.5，则掌握度＝0.5；其他情况下，掌握度＝0。

根据得到的掌握度对目标对象对知识点的掌握结果进行更新。具体的，若目标对象对最近测试的一道历史测试题对应为正确作答，则将该知识点的掌握结果赋给前置知识点，若错误作答，将后置知识点的值都标为0。并在KPSpace中删除与当前知识点的掌握结果完全重合的知识点子集，以完成对KPSpace中的知识点子集的更新。

接着执行从KPSpace中选取目标层级，以及从目标层级中对应的知识点子集中选取目标知识点子集，进而从目标知识点子集中选取目标测试题，以将目标测试题推送至目标对象。具体步骤包括：

根据目标对象对最近测试的一道历史测试题的作答结果，在KPSpace中选取对应的目标层级，假设当前层级为current_state_value，若目标对象对最近测试的一道历史测试题对应为错误作答时，目标层级等于当前层级减1，若目标对象对最近测试的一道历史测试题对应为正确作答，目标层级等于当前层级加1。

然后，在选定的目标层级对应的一个或者多个知识点子集中选取目标知识点子集。具体的，若目标对象对最近测试的一道历史测试题对应为错误作答时，目标知识点子集对应的目标属性支撑量>＝当前属性支撑量(current_state_value)，若目标对象对最近测试的一道历史测试题对应为正确作答时，目标知识点子集对应的目标属性支撑量＜当前属性支撑量(current_state_value)。需要说明的是，若目标层级中的各知识点子集的属性支撑量相同时，优先选择与目标对像的知识点掌握结果重合率低的知识点子集，以及若匹配到的目标知识点子集的数量为多个，则在多个知识点子集中随机选取其中一个知识点子集作为目标知识点子集。以及如果是第一次拉取待测试的测试题(未作答情况)，则选取KPSpace最高层级中最低属性支撑量的知识点子集。

步骤706，根据项目反映理论(Item Response Theory，IRT)确定目标测试题的难度等级。

具体的，将目标对象对历史测试题的答题结果输入进IRT模块，并计算所有的难度等级对应的信息量。其中，项目反映理论(Item Response Theory，IRT)是关于目标对象潜在能力水平与其对测试题反应之间关系的理论。在一个实施例中可以采用单维能力空间、二值记分、三参数的Logistics数学模型，根据以上计算方式得到每个难度等级对应的信息量，并从中选取最大信息量对应的题目难度，作为下一道待推送的目标测评题的难度等级diff。

步骤708，根据对应的难度等级以及待测评知识状态获取下一道目标测试题，并推送至目标对象所在的终端。

具体的，在预先构建的KP2QuestionDict中，选取目标知识点子集对应的目标测试题集合，并在目标测试题集合中选取难度等级等于diff的测试题中随机选取一个目标测试题。并同时更新Mongo库中的目标对象的作答数据以及Redis中的相关字段。

目标对象对接收到的目标测试题进行作答并提交答案后，继续执行步骤704，根据目标对象的答题结果对知识点的掌握结果进行更新，并根据更新后的掌握结果继续执行推荐下一道目标测试题的步骤。直至达到测试停止条件时停止对目标测试题的推送。

具体的，判断在本次测评中是否需要终止测评，以下三个条件中只要满足其中任意一个则终止测评：(1)所有知识点都已测评完毕(2)当前测试题的数量超过规定题目数(默认为20)(3)测评超时(默认为20分钟)。

在其他实施例中，还包括当除孤立知识点(无前后置关联关系的知识点)以外的知识点全部被测评后，用平均值填充孤立知识点的测评得分，并若当前测评的题目数量＝规定题目数时，用平均值填充未评测知识点的测评得分并返回终止测评。其中，孤立知识点是指与其他知识点无关联关系的知识点，具体参考图6，图6中的与其他知识点之间无箭头连接的知识点是孤立知识点。

直至达到测试停止条件时停止对目标测试题的推送，并执行步骤710，获取本次测评对应的知识点测评结果。

具体的，根据task_id从Mongo库中拉取对应的目标对象的作答数据，并根据目标对象的作答数据对知识图谱以及目标对象测评的知识点进行展示。

上述实施例中，整合了IRT选题策略和题库知识空间的优点，即使测试题集合的规模很大，以及待测评的知识点很多，但是根据题库知识空间的分层理论以及及时对知识点子集进行更新的理论，都能实现快速获取目标测试题的效果。并且能够通过更少的测试题评测出目标对象对更多的知识点的掌握结果。以及通过引入IRT模型，不仅可以估计出目标对象的潜在能力，还融入了测试题的难度等级，使得测评结果更加精准公平。

应该理解的是，虽然图2-5以及图7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5以及图7中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图8所示，提供了一种知识点测评装置800，该装置可以采用软件模块或硬件模块，或者是二者的结合成为计算机设备的一部分，该装置具体包括：

确定模块802，用于获取与待测试知识点集合对应的测试题集合，并基于测试题集合中各测试题分别对应的知识点子集确定对应的题库知识空间。

筛选模块804，用于根据目标对象的历史答题结果确定已测评知识点的掌握结果，根据已测评知识点的掌握结果，从题库知识空间中筛选候选知识点子集。

推送模块806，用于基于历史答题结果，从候选知识点子集中确定目标知识点子集，并将测试题集合中对应目标知识点子集的目标测试题进行推送。

循环模块808，用于基于目标对象对目标测试题进行作答的当前答题结果，更新历史答题结果，并返回根据目标对象的历史答题结果确定已测评知识点的掌握结果的步骤并继续执行，直至达到测试停止条件时停止推送。

更新模块810，用于基于目标对象对推送的各目标测试题进行作答的答题结果，更新待测知识点集合中各知识点的掌握结果，得到知识点测评结果。

在一个实施例中，确定模块802还用于获取知识点测评请求，并根据知识点测评请求中的目标范围确定对应的待测试知识点集合；基于知识树结构对待测试知识点集合进行扩展，并基于扩展后的待测试知识点集合中各知识点间的前后置关系，确定末级知识点；获取与末级知识点对应的测试题集合。

在一个实施例中，确定模块802还用于基于测试题集合中各测试题分别对应的知识点子集确定对应的题库知识空间，包括：确定测试题集合中每道测试题分别对应的知识点子集，知识点子集中包括至少一个知识点；基于各知识点子集中知识点的数量，将具有相同知识点数量的知识点子集划分至同一个层级；根据各个层级分别所具有的知识点子集，确定对应的题库知识空间。

在一个实施例中，筛选模块804还用于获取目标对象在测评过程中对各历史测试题分别进行作答的历史答题结果；确定与历史测试题对应的已测评知识点、以及各历史测试题分别对应的难度等级；对于每个已测评知识点，分别基于与相应已测评知识点对应的历史测试题的历史答题结果和难度等级，确定对应的掌握结果。

在一个实施例中，筛选模块804还用于对于每个已测评知识点，确定与相应已测评知识点对应的至少一个历史测试题；按照确定的各历史测试题所属的难度等级和对应的历史答题结果，计算各个难度等级分别对应的得分率；根据各个难度等级分别对应的得分率，确定相应已测评知识点的掌握结果。

在一个实施例中，筛选模块804还用于将已测评知识点的掌握结果，赋予至与已测评知识点相关联的关联知识点，得到关联知识点的掌握结果；确定题库知识空间的各知识点子集所包括的知识点，并将所包括的知识点均具有掌握结果的知识点子集，作为已测评知识点子集；从题库知识空间中删除已测评知识点子集，得到候选知识点子集。

在一个实施例中，题库知识空间包括多个层级的知识点子集，其中每个层级包括至少一个知识点子集，且处于相同层级的各知识点子集的知识点数量一致。筛选模块804还用于确定在测评过程中，最近测试的历史测试题所对应的知识点子集所处的当前层级；根据历史答题结果，对当前层级进行调整得到目标层级；从候选知识点子集中确定与目标层级匹配的目标知识点子集。

在一个实施例中，推送模块806还用于确定在测评过程中，最近测试的历史测试题所对应的知识点子集的当前属性支撑量；确定处于目标层级中的各候选知识点子集分别对应的候选属性支撑量；根据候选属性支撑量与当前属性支撑量，从处于目标层级中的各候选知识点子集中筛选出目标知识点子集。

如图9所示，为另一个实施例中提供一种知识点测评装置900，在一个实施例中，知识点测评装置还包括计算模块902，用于根据知识点子集中各知识点之间的前后置关系，确定知识点子集分别对应的邻接矩阵；根据邻接矩阵确定相应的可达矩阵，并对可达矩阵进行转置处理得到相应的逆达矩阵；根据逆达矩阵进行累加求和，得到知识点子集中的每个知识点所对应的支撑量；根据知识点子集中的每个知识点所对应的支撑量，确定相应知识点子集的属性支撑量。

在一个实施例中，推送模块706还用于基于目标对象的历史答题结果，确定目标对象的当前能力值；根据当前能力值确定与目标对象匹配的目标难度等级；确定测试题集合中与目标知识点子集对应的候选测试题；将候选测试题中，与目标难度等级相匹配的目标测试题推送至目标对象所在的终端。

在一个实施例中，推送模块706还用于基于目标对象对应的历史答题结果、以及各历史测试题对应的题目因子，确定目标对象的当前能力值；其中，题目因子包括测试题难度、测试题区分度、以及测试题猜测难度中的至少一个。

在一个实施例中，推送模块706还用于根据目标对象的当前能力值，确定各难度等级分别对应的信息量；将最大信息量对应的难度等级确定为与目标对象匹配的目标难度等级。

在一个实施例中，循环模块708还用于对于待测知识点集合中的每个知识点，根据与每个知识点相关的所有目标测试题的答题结果，更新相应知识点所对应的掌握结果；根据各知识点分别对应的更新后的掌握结果，确定知识点测评结果；根据知识点测评结果，按照各知识点间的前后置关系进行结构化展示，且各知识点在进行结构化展示时均按照相应掌握结果所属的掌握类别进行区分展示。

在一个实施例中，知识点测评装置还包括内容推送模块，内容推送模块用于根据知识点测评结果，确定测试知识点集合中的薄弱知识点；获取与薄弱知识点对应的课程内容；推送课程内容；推送的课程内容用于供目标对象进行相应的课程学习。

关于知识点测评装置的具体限定可以参见上文中对于知识点测评方法的限定，在此不再赘述。上述知识点测评装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

上述知识点测评装置，基于与待测试知识点集合对应的测试题集合来构建对应的题库知识空间。根据目标对象的历史答题结果确定已测评知识点的掌握结果，进而可实现对题库知识空间中已测的知识点进行剪枝以精简题库知识空间中的待测试的知识点的数量。进而再基于历史答题结果，从候选知识点子集中确定目标知识点子集，并将测试题集合中对应目标知识点子集的目标测试题进行推送，以使得目标对象可以对新推送的目标测试题继续进行作答得到当前答题结果。这样在测评过程中，不断的根据答题结果进行剪枝并动态更新知识点掌握情况，选取待测评的知识点子集，从而缩小选题范围，可以通过较少的题来测试目标对象的知识点掌握情况，大大提高了知识点测评效率。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器或终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储知识点测评数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种知识点测评方法。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。